Jetson TX2配置移植PVANet

最新推荐文章于 2025-04-03 12:36:28 发布

bingxingshengge

最新推荐文章于 2025-04-03 12:36:28 发布

阅读量472

点赞数

分类专栏：代码移植环境配置文章标签： TX2 PVANet

本文链接：https://blog.youkuaiyun.com/bingxingshengge/article/details/84998689

版权

环境配置同时被 2 个专栏收录

6 篇文章

订阅专栏

代码移植

1 篇文章

订阅专栏

一.jetpack 3.2刷机TX2,刷机完成后TX2上有ubuntu16.04操作系统，cuda9.0+cudnn5，opencv3.3.1
二.配置caffe
1.安装各种包以及依赖

 sudo apt-get update
 sudo apt-get install build-essential cmake git pkg-config
 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
 sudo apt-get install libatlas-base-dev
 sudo apt-get install --no-install-recommends libboost-all-dev
 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

2.安装python和其余依赖项

sudo apt-get install python
sudo apt-get install python-dev
sudo apt-get install python-numpy
sudo apt-get install ipython
sudo apt-get install ipython-notebook
sudo apt-get install python-sklearn
sudo apt-get install python-skimage
sudo apt-get install python-protobuf

3.安装easydict

sudo apt-get install python-pip
sudo pip install easydict

三．移植PVANet
1.pva-faster-rcnn工程已在主机GPU和TX1上跑通，将它拷贝到TX2上；
2.建立Cython模块：

cd pva-faster-rcnn/lib
gedit setup.py

此处需要根据GPU 计算能力（查看地址：https://developer.nvidia.com/cuda-gpus）
修改lib下的setup.py第135行 ‘nvcc’: [’-arch=sm_35’，如果是TX2，计算能力为6.2，则修改为’nvcc’: [’-arch=sm_62’，如果是TITAN V，计算能力为7.0，则修改为’nvcc’: [’-arch=sm_70’
make -j4 #开始编译,TX2有四核CPU
3.编译caffe及pycaffe

cd pva-faster-rcnn/caffe-fast-rcnn
cp Makefile.config.example Makefile.config
sudo gedit Makefile.config

修改Makefile.config文件：
1)去掉USE_CUDNN := 1，OPENCV_VERSION := 3，WITH_PYTHON_LAYER := 1，BLAS=atlas的注释
2)注释掉CUDA_ARCH的前两行
　　CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \
　　　　　　　　　　#-gencode arch=compute_20,code=sm_21
3)修改库路径为：
　　INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
　　 LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu/hdf5/serial/
注：网上有其他人做法：修改Makefile中181行的hdf5_hl和hdf5，LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial，但我没有修改Makefile文件，编译没出现错误

 make –j4 #开始编译
 make pycaffe –j4

4.运行视频测试demo($pva-faster-rcnn)
./tools/test_pvanet.py #已修改test_pvanet.py文件使其可以测试视频

四．错误汇总：
1.跑demo时出现错误File “/pva-faster-rcnn/tools/…/lib/fast_rcnn/config.py”, line 23, in from easydict import EasyDict as edict ImportError: No module named easydict
原因：未安装EasyDict所致，
解决：

     python
     from easydict import EasyDict　　＃if this doesn't give an error then you have easydict installed.If an ImportError: No module named easydict,then you need to install easydicts
     sudo apt-get update
     sudo apt-get install python-pip
     pip -V   #check if pip is successfully installed
     sudo pip install easydict

2.跑demo时出现错误nms_wrapper.py 中from nms.gpu_nms import gpu_nms ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory
原因：/lib/nms/gpu_nms.so是工程之前在TX1上跑用cuda8.0编译产生的，而TX2上装的是cuda9.0,
解决：删掉gpu_nms.so，

cd pva-faster-rcnn/lib　
make -j4        #gpu_nms.so is newly generated

3.修改Makefile.config文件时切记不要直接拷贝网上别人的修改，最好照着手敲，因为直接拷贝很可能会拷进一些不显示的未知字符，然后make时会出现各种奇特错误，难以追查原因．
另外遇到错误要根据自己机子及项目工程的情况仔细判断，细细排查，总会解决的．

参考的博客：
[1]初学JetsonTX2之安装CAFFE：https://blog.youkuaiyun.com/dhaduce/article/details/80155121
[2]TX2配置安装pva-faster-rcnn：https://blog.youkuaiyun.com/zong596568821xp/article/details/80407810　
[3]jetson tx2 编译及运行faster-rcnn的物体检测例程demo：https://blog.youkuaiyun.com/qq_41943402/article/details/81198574
[5]TX2 配置caffe-经验版：https://blog.youkuaiyun.com/qq_23999499/article/details/82918559